本文關(guān)鍵詞：若干模型的分位數(shù)變量選擇

  更多相關(guān)文章： 分位數(shù)回歸 變量選擇 計(jì)數(shù)數(shù)據(jù) 自適應(yīng)LASSO PNSIM

【摘要】：分位數(shù)回歸和變量選擇方法LASSO提出以來(lái),由于其穩(wěn)定的估計(jì),優(yōu)良的估計(jì)效率得到了廣泛應(yīng)用.分位數(shù)回歸能夠從不同角度分析數(shù)據(jù),變量選擇的提出使模型具有了處理高維數(shù)據(jù)的能力.本文主要研究在復(fù)雜情況下的分位數(shù)回歸變量選擇,即醫(yī)療費(fèi)用數(shù)據(jù)和離散數(shù)據(jù).由于個(gè)體觀察的相關(guān)性以及分布不連續(xù)導(dǎo)致針對(duì)以上兩種數(shù)據(jù)進(jìn)行分位數(shù)回歸以及變量選擇相對(duì)困難.本文根據(jù)學(xué)者在該領(lǐng)域的相關(guān)研究,提出了針對(duì)以上兩種特殊數(shù)據(jù)進(jìn)行分位數(shù)回歸以及變量選擇的方法,并驗(yàn)證其有效性.對(duì)于醫(yī)療費(fèi)用數(shù)據(jù),采用部分非線性單指標(biāo)模型(PNSIM)進(jìn)行建模,并采用兩步法進(jìn)行系數(shù)估計(jì)和變量選擇.第一步采用基于樣條的兩步估計(jì)方法對(duì)模型的非參數(shù)部分進(jìn)行估計(jì),當(dāng)非參數(shù)可加部分為階可導(dǎo)時(shí),使用樣條方法得到的估計(jì)量以的速度收斂.并且該方法能夠解決維數(shù)禍根問(wèn)題.第二步在求得非參數(shù)部分的估計(jì)后,再進(jìn)行系數(shù)估計(jì)以及變量選擇.部分非線性單指標(biāo)模型具有良好的靈活性,具有以往提出模型的大部分優(yōu)點(diǎn).對(duì)于離散數(shù)據(jù),通過(guò)構(gòu)造連續(xù)隨機(jī)變量,使其分位數(shù)與響應(yīng)變量分位數(shù)一一對(duì)應(yīng),進(jìn)而能夠使用傳統(tǒng)分位數(shù)方法進(jìn)行處理,并在此基礎(chǔ)上進(jìn)行變量選擇.本文按照如下結(jié)構(gòu)展開(kāi).第一章為文獻(xiàn)綜述,介紹近年來(lái)該領(lǐng)域的發(fā)展以及相關(guān)學(xué)者的研究.并且介紹本文的研究?jī)?nèi)容和創(chuàng)新之處.第二章的重點(diǎn)在于使用部分非線性單指標(biāo)模型對(duì)醫(yī)療費(fèi)用數(shù)據(jù)進(jìn)行建模,運(yùn)用基于樣條的估計(jì)方法對(duì)可加模型的非參數(shù)部分進(jìn)行估計(jì),并且在此基礎(chǔ)上進(jìn)行系數(shù)的估計(jì)以及變量選擇,本文在這里采用自適應(yīng)LASSO懲罰項(xiàng)進(jìn)行變量選擇.章節(jié)最后給出相應(yīng)的迭代方法,模擬,實(shí)例分析以及相關(guān)漸近性質(zhì)的證明.第三章的重點(diǎn)在于對(duì)離散數(shù)據(jù)進(jìn)行分位數(shù)回歸變量選擇.通過(guò)對(duì)響應(yīng)變量進(jìn)行恰當(dāng)?shù)奶幚?使傳統(tǒng)分位數(shù)回歸方法能夠應(yīng)用到離散數(shù)據(jù).在此基礎(chǔ)上再進(jìn)行變量選擇.本章最后給出相應(yīng)的模擬,以驗(yàn)證提出方法的有效性.迭代算法和相關(guān)漸近性質(zhì)的證明亦在文中給出.第四章給出本文總結(jié),以及未來(lái)可能的研究方向.綜上,本文主要介紹對(duì)醫(yī)療費(fèi)用數(shù)據(jù)用部分非線性單指標(biāo)模型(PNSIM)進(jìn)行建模.對(duì)于離散數(shù)據(jù),將其進(jìn)行轉(zhuǎn)換處理后再進(jìn)行自適應(yīng)LASSO變量選擇.文中給出的估計(jì)量均具有良好的性質(zhì),并且避免了維數(shù)禍根的問(wèn)題,對(duì)于處理高維解釋變量具有一定的優(yōu)越性.從計(jì)算效率來(lái)看,第二章中的非參數(shù)部分的估計(jì)最終轉(zhuǎn)化為對(duì)相關(guān)線性模型的求解,避免了多次迭代,極大的提高了運(yùn)算速度.
【關(guān)鍵詞】：分位數(shù)回歸 變量選擇 計(jì)數(shù)數(shù)據(jù) 自適應(yīng)LASSO PNSIM
【學(xué)位授予單位】：浙江財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：O212.1
【目錄】：

• 摘要5-7
• abstract7-10
• 第一章 緒論10-14
• 第一節(jié) 研究背景及意義10-11
• 第二節(jié) 文獻(xiàn)綜述11-13
• 第三節(jié) 論文簡(jiǎn)介及創(chuàng)新之處13-14
• 第二章 部分非線性單指標(biāo)模型的分位數(shù)回歸及其變量選擇14-35
• 第一節(jié) 部分非線性單指標(biāo)模型14
• 第二節(jié) 部分非線性單指標(biāo)模型(PNSIM)分位數(shù)回歸14-19
• 第三節(jié) 估計(jì)量的漸近性質(zhì)19-20
• 第四節(jié) 部分非線性單指標(biāo)模型的變量選擇20-21
• 第五節(jié) 模擬21-27
• 第六節(jié) 實(shí)例分析27-30
• 第七節(jié) 總結(jié)30
• 第八節(jié) 定理證明30-35
• 第三章 離散數(shù)據(jù)分位數(shù)回歸變量選擇35-42
• 第一節(jié) 離散數(shù)據(jù)的分位數(shù)回歸35-36
• 第二節(jié) 離散數(shù)據(jù)的分位數(shù)變量選擇36-37
• 第三節(jié) 離散數(shù)據(jù)分位數(shù)變量選擇算法37-38
• 第四節(jié) 模擬38-39
• 第五節(jié) 本章小結(jié)39
• 第六節(jié) 定理證明39-42
• 第四章 結(jié)論與展望42-43
• 參考文獻(xiàn)43-47
• 附錄47-48
• 致謝48-49

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 楊麗霞;魏立力;;基于粗糙集方法的有序尺度變量選擇[J];寧夏大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

2 趙宇;黃思明;;帶有變量選擇過(guò)程的分類(lèi)模型誤差分析[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2010年17期

3 樊亞莉;徐群芳;;穩(wěn)健的變量選擇方法及其應(yīng)用[J];上海理工大學(xué)學(xué)報(bào);2013年03期

4 陶靖軒;多元分析中的變量選擇問(wèn)題研究[J];中國(guó)計(jì)量學(xué)院學(xué)報(bào);2001年01期

5 李樹(shù)軍,紀(jì)宏金;對(duì)應(yīng)聚類(lèi)分析與變量選擇[J];地球物理學(xué)進(jìn)展;2005年03期

6 陳黎明;趙永紅;;轉(zhuǎn)換函數(shù)未知時(shí)轉(zhuǎn)換模型的變量選擇[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

7 劉民千,張潤(rùn)楚;超飽和設(shè)計(jì)的變量選擇[J];南開(kāi)大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年03期

8 王進(jìn);;聚類(lèi)分析中的距離與變量選擇[J];山西財(cái)經(jīng)大學(xué)學(xué)報(bào);2007年S1期

9 張波;方國(guó)斌;;高維面板數(shù)據(jù)降維與變量選擇方法研究[J];統(tǒng)計(jì)與信息論壇;2012年06期

10 高仁祥,張世英,劉豹;基于神經(jīng)網(wǎng)絡(luò)的變量選擇方法[J];系統(tǒng)工程學(xué)報(bào);1998年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前6條

1 張俊華;方偉武;;調(diào)查表分析中變量選擇的一些方法(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第六屆學(xué)術(shù)交流會(huì)論文集（下卷）[C];2000年

2 李洪東;梁逸曾;;高維數(shù)據(jù)變量選擇新方法研究[A];中國(guó)化學(xué)會(huì)第27屆學(xué)術(shù)年會(huì)第15分會(huì)場(chǎng)摘要集[C];2010年

3 李慷;席裕庚;;復(fù)雜過(guò)程系統(tǒng)中操作變量選擇與定位的方法研究[A];1993年控制理論及其應(yīng)用年會(huì)論文集[C];1993年

4 云永歡;王為婷;梁逸曾;;迭代的保留有信息變量來(lái)篩選最佳變量子集的一種多元校正變量選擇方法[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

5 徐登;范偉;梁逸曾;;紫外光譜結(jié)合變量選擇和偏最小二乘回歸同時(shí)測(cè)定水中重金屬鎘、鋅、鈷[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

6 梁逸曾;李洪東;許青松;曹東升;張志敏;;灰色化學(xué)建模與模型集群分析——兼論過(guò)擬合、穩(wěn)健估計(jì)、變量選擇與模型評(píng)價(jià)[A];中國(guó)化學(xué)會(huì)第27屆學(xué)術(shù)年會(huì)第15分會(huì)場(chǎng)摘要集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王大榮;分散度量模型中的變量選擇[D];北京工業(yè)大學(xué);2009年

2 王明秋;高維數(shù)據(jù)下若干回歸模型的變量選擇問(wèn)題研究[D];大連理工大學(xué);2012年

3 劉吉彩;生存數(shù)據(jù)統(tǒng)計(jì)模型的變量選擇方法[D];華東師范大學(xué);2014年

4 樊亞莉;穩(wěn)健變量選擇方法的若干問(wèn)題研究[D];復(fù)旦大學(xué);2013年

5 唐凱臨;變量選擇和變換的新方法研究[D];同濟(jì)大學(xué);2008年

6 董瑩;高維共線性統(tǒng)計(jì)模型的參數(shù)估計(jì)與變量選擇[D];大連理工大學(xué);2014年

7 葉飛;相對(duì)誤差準(zhǔn)則下的估計(jì)理論和變量選擇方法的研究[D];清華大學(xué);2013年

8 袁晶;貝葉斯方法在變量選擇問(wèn)題中的應(yīng)用[D];山東大學(xué);2013年

9 王樹(shù)云;基于Bayes方法和圖限制下正規(guī)化方法的變量選擇問(wèn)題及其在基因組數(shù)據(jù)中的應(yīng)用[D];山東大學(xué);2010年

10 姬永剛;分位數(shù)回歸中的貝葉斯變量選擇[D];東北師范大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 趙冬琦;基于變量選擇的股指期貨對(duì)股票市場(chǎng)影響的實(shí)證研究[D];蘭州大學(xué);2015年

2 程勇;多水平模型的變量選擇在農(nóng)戶人均收入數(shù)據(jù)中的應(yīng)用[D];云南財(cái)經(jīng)大學(xué);2015年

3 鄧秋玲;SCAD和ADS方法在比例風(fēng)險(xiǎn)模型中的應(yīng)用[D];廣西大學(xué);2015年

4 韋新星;幾種變量選擇方法在Cox模型中的應(yīng)用[D];廣西大學(xué);2015年

5 王唯;部分線性模型的變量選擇問(wèn)題研究[D];湘潭大學(xué);2015年

6 徐國(guó)盛;若干模型的分位數(shù)變量選擇[D];浙江財(cái)經(jīng)大學(xué);2016年

7 閆闖;多元回歸模型中變量選擇問(wèn)題研究[D];黑龍江大學(xué);2011年

8 康贊亮;計(jì)量經(jīng)濟(jì)學(xué)模型變量選擇與設(shè)定的理論方法研究[D];清華大學(xué);2009年

9 張丹;乘積模型的變量選擇[D];河南大學(xué);2014年

10 郝亞楠;基于L_2-Fused Lasso變量選擇方法的性質(zhì)及應(yīng)用研究[D];北京交通大學(xué);2014年

，

本文編號(hào)：1067435